工业机器人精度补偿技术与应用

图书标准信息

• 作者 田威、廖文和 著
• 出版社 科学出版社
• 出版时间 2019-11
• 版次 1
• ISBN 9787030629036
• 定价 99.00元
• 装帧 平装
• 开本 16开
• 纸张 胶版纸
• 页数 212页
• 字数 263千字

【内容简介】

本书详细地介绍了工业机器人精度补偿的基础理论和关键技术，主要内容包括：机器人运动学模型建立方法和机器人定位误差分析、机器人运动学模型标定方法、机器人非运动学标定方法、机器人*优采样点规划方法。并进一步阐述了飞机装配自动制孔系统中工业机器人精度补偿技术的应用方法，以验证该技术的有效性。

【作者简介】

田威，南航航空航天大学教授，博士生导师。主要从事飞机装配方向的教学与科研工作，主持国家“飞机大部件装配虚拟仿真项目”和多项省重点教改项目，是江苏青蓝工程优秀教学团队核心成员，主持国家自然科学基金、国家科技重大专项、国家重点研发等国家、省部级科技研究项目20余项。入选江苏省“青蓝工程”中青年学科带头人、六大高峰人才、“333人才”等省级人才培养计划，自主研制的“复杂大部件机器人智能装配技术与装备”获江苏省科技一等奖。在国内外核心期刊上发表科技论文60余篇，授权发明专利40余项，软件著作权8项。

【目录】

前言

章  绪论

1.1  机器人精度

1.2  精度补偿的重要

1.3  机器人精度补偿技术

1.3.1  机器人运动学标定

1.3.2  机器人非运动学标定

1.3.3  机器人物理约束标定

第2章  机器人运动学模型与误差分析

2.1  引言

2.2  位姿描述与齐次变换

2.2.1  刚体位姿描述与齐次变换

2.2.2  rpy角与欧拉角

2.3  机器人正向运动学模型

2.3.1  连杆描述与连杆坐标系

2.3.2  连杆变换与机器人正向运动学模型

2.3.3  典型kuka机器人的正向运动学模型

2.4  机器人逆向运动学模型

2.4.1  耦合关节约束的封闭解求解方法

2.4.2  典型kuka机器人的逆向运动学模型

2.5  机器人误差分析与定位精度评估

2.5.1  机器人定位误差的影响因素

2.5.2  机器人定位精度评估

第3章  机器人运动学标定

3.1  引言

3.2  机器人运动学标定简介

3.2.1  刚体微分变换

3.2.2  机器人md-h模型

3.2.3  相邻连杆的微分变换

3.2.4  机器人运动学误差模型

3.3  耦合基坐标系建立误差的机器人扩展运动学标定

3.4  耦合柔度误差的机器人扩展运动学标定

3.4.1  机器人柔度分析

3.4.2  机器人柔度误差模型

3.4.3  耦合柔度误差的机器人运动学误差模型

3.5  参数辨识

3.5.1  levenberg-marquardt算法参数辨识

3.5.2  扩展卡尔曼滤波参数辨识

3.6  变参数辨识的机器人精度补偿方法

3.7  机器人运动学标定方法试验验证

3.7.1  耦合柔度误差的机器人扩展运动学标定方法试验验证

3.7.2  变参数辨识的机器人精度补偿方法试验验证

第4章  机器人非运动学标定

4.1  引言

4.2  机器人定位误差的空间相似

4.2.1  机器人定位误差空间相似的定分析

4.2.2  机器人定位误差空间相似的定量分析

4.2.3  数值验证与结果分析

4.3  基于误差相似度的权重度量的机器人精度补偿方法

4.3.1  反距离加权法

4.3.2  机器人空间网格化精度补偿方法

4.3.3  数值验证与结果分析

4.4  基于空间相似的机器人定位误差线无偏优估计

4.4.1  基于空间相似的机器人定位误差映

4.4.2  机器人定位误差线无偏优估计

4.4.3  数值验证与结果分析

4.5  基于粒子群优化神经网络的机器人综合精度补偿方法

4.5.1  bp神经网络

4.5.2  粒子群优化算法

4.5.3  基于粒子群优化神经网络的机器人精度补偿方法

4.6  机器人定位误差前馈补偿方法

4.7  机器人非运动学标定方法试验验证

4.7.1  机器人定位误差相似试验验证与分析

4.7.2  基于误差相似度的权重度量的机器人精度补偿方法试验验证

4.7.3  基于空间相似的机器人定位误差补偿方法试验验证

4.7.4  基于粒子群优化神经网络的机器人综合精度补偿方法试验验证

第5章  机器人优采样点

5.1  引言

5.2  基于能观指数的采样点选择方法

5.2.1  机器人运动学参数的能观指数

5.2.2  采样点选择方法

5.3  空间网格化的均匀采样点规划方法

5.3.1  优网格步长

5.3.2  采样点规划方法

5.4  基于遗传算法的优采样点多目标优化

5.4.1  优采样点数学模型

5.4.2  多目标优化问题与非劣解集

5.4.3  遗传算法与nsga-ⅱ

5.4.4  基于nsga-ⅱ的机器人优采样点多目标优化

5.4.5  试验验证与分析

第6章  机器人自动制孔系统应用

6.1  引言

6.2  机器人自动制孔系统

6.2.1  硬件系统

6.2.2  软件系统

6.2.3  系统工作流程

6.3  坐标系建立与统一

6.3.1  世界坐标系

6.3.2  机器人机座坐标系

6.3.3  法兰盘坐标系

6.3.4  工具坐标系

6.3.5  坐标系的统一方法

6.4  自动制孔协调准确度综合补偿方法

6.4.1  机器人自动制孔协调准确度综合补偿方法

6.4.2  产品坐标系的建立方法

6.4.3  机器人机座坐标系换站方法

6.5  机器人自动制孔试验验证

6.6  本章小结

参文献